论文部分内容阅读
目前,偏微分方程方法已成为图像分析领域的重要方法,而图像去噪是图像处理中的一个非常重要的组成部分,对于改善图像的视觉效果和图像质量具有重大意义。本文围绕图像去噪的偏微分方程方法开展研究工作,主要研究基于偏微分方程的P-M模型和高斯曲率驱动扩散模型的图像去噪方法。1.图像去噪是图像处理研究领域中非常重要的研究课题。在分析了传统图像去噪方法的基础上,而传统的图像去噪方法在去噪的同时也会破坏边缘、细节和纹理等图像的特征信息。本文提出了P-M模型对于如何选取合适的扩散系数的理论基础;而基于高斯曲率驱动扩散模型的传导项只取决于高斯曲率值,而没有考虑梯度的影响,所以该模型必然导致具有非零高斯曲率值的大梯度边缘的模糊,同时其不能很好的控制在图像不同梯度值区域的扩散速度。根据其去噪模型的缺点,引入Tukey’s biweight函数和自适应TV模型的扩散系数来控制扩散速度,得到新的高斯曲率驱动模型。2.在基于P-M模型和改进的高斯曲率驱动扩散模型的基础上,本文提出两者的融合模型,融合模型除了能够发挥P-M模型在去噪的同时保持边缘的优势外,同时可以使高斯曲率驱动模型的高斯曲率项对平滑区域的细节特征的保护作用也得以延续,该模型结合了二者的优点,同时能够较好地克服P-M模型在去噪过程中阈值选取较大时会导致图像模糊和高斯曲率驱动扩散模型在去噪过程中会产生明显的黑白点的去噪缺点。实验结果表明,在去噪的同时也能够很好的去除黑白点,改善处理图像的信噪比,同时融合模型可以很好的对不同梯度大小的区域进行相应的处理,这既能克服利用单纯的曲线拟合方法所无法去除的椒盐噪声,又可以较好的保持图像的细节特征,其融合模型具有更好的去噪效果。